뇌는 우리 의식과 행동의 중심에 있는 가장 복잡한 기관입니다. 신경과학은 이 놀라운 네트워크가 어떻게 작동하고, 우리가 세상을 인지하며 감정을 형성하는지 탐구하는 분야로, 최근 급격히 발전하고 있습니다. Gist.Science 는 이러한 최신 연구 성과를 누구나 쉽게 접할 수 있도록 준비했습니다.

이 카테고리에 수록된 모든 논문은 생물의학 연구 사전 출판 플랫폼인 bioRxiv 에서 직접 가져온 것들입니다. 우리는 bioRxiv 에 올라오는 새로운 신경과학 논문들을 실시간으로 모니터링하며, 전문 용어로 가득 찬 원문을 명확한 일반 언어 요약과 함께 상세한 기술적 분석으로 변환하여 제공합니다. 아래에서는 신경과학 분야의 최신 연구 동향을 보여 주는 최신 논문 목록을 확인하실 수 있습니다.

🧠 신경과학

Loss of Tubulin Tyrosination in Purkinje Neurons Does Not Cause Their Degeneration

이 연구는 퍼킨제 뉴런에서 튜불린 티로신화의 상실이 뉴런의 퇴행을 유발하지 않음을 입증하며, 이는 튜불린 번역 후 수식(PTM)이 신경 세포 항상성에 미치는 결정적인 역할이 일반적인 PTM 조절 장애의 결과가 아니라 폴리글루타밀화에 매우 특이적이라는 것을 밝혀낸다.

Chakraborty, S., Paulcan, S., Janke, C., Magiera, M. M.2026-07-22
🧠 신경과학

Dissociable roles of dopamine D1 and nicotinic receptors in nicotine-motivated responding and impulsive action in a Go/No-Go self-administration task

이 연구는 도파민 D1 수용체와 니코틴 수용체 모두가 니코틴에 의한 반응성을 조절하지만, 오직 니코틴 수용체 신호 전달만이 니코틴으로 유도된 충동적 행동을 특이적으로 유발하는 반면, D1 수용체 자극은 충동성을 변화시키지 않고 동기 부여를 감소시킨다는 것을 입증한다.

Chellian, R. k., Huisman, G., Caglayan, L., Bruijnzeel, A.2026-07-21
🧠 신경과학

Quantifying the information about uncertainty in neural population codes

이 논문은 부수적 정보가 상호 정보량과 피셔 정보량 손실을 통해 정량화됨에 따라 본질적으로 비가우시안 추정 오차를 생성하며 신경 활동만으로 접근 가능한 불확실성 지식의 상한선을 정의한다는 것을 입증함으로써, 신경 집단 코드와 불확실성을 연결하는 이론적 틀을 구축한다.

Wang, X., Dayan, P., Bays, P.2026-07-20
🧠 신경과학

Neurodevelopment of Corticostriatal Circuits and Risk for Alcohol Use During the Transition from Adolescence to Adulthood

이 종단적 신경영상 연구는 피질선조체 회로의 성숙이 뚜렷한 궤적을 따른다는 것을 밝히는데, 복측 선조체에서의 청소년기 정점 연결성은 알코올 시작을 예측하는 반면, 배측 선조체가 정상적인 연결성 감소를 보이지 못하는 것은 성인기의 알코올 사용 증가와 관련이 있다.

Petrie, D. J., Parr, A. C., Calabro, F. J., Foran, W., Brown, S. A., Tapert, S., Nooner, K., Fitzgerald, D., Clark, D. (…)2026-07-19
🧠 신경과학

Learning to read a second language establishes a parallel L2 representation alongside the native one in the VWFA

fMRI를 사용한 이 연구는 제2외국어를 읽는 법을 배우는 것이 안정적인 모국어 표상과 더불어 시각 단어 형태 영역(Visual Word Form Area)에 새로운 병렬적 신경 표상을 구축한다는 것을 입증하며, 이를 통해 신경 자원 할당에 관한 경쟁 모델(Competing Model)보다 중첩 모델(Overlay Model)을 지지한다.

Fan, S., Feng, X., Yu, X., Zhan, M., Zhang, M., Ding, G., Meng, X.2026-07-19